CN114357354A - 带鱼定重智能切段计算方法、装置、设备及存储介质 - Google Patents
带鱼定重智能切段计算方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114357354A CN114357354A CN202111664420.6A CN202111664420A CN114357354A CN 114357354 A CN114357354 A CN 114357354A CN 202111664420 A CN202111664420 A CN 202111664420A CN 114357354 A CN114357354 A CN 114357354A
- Authority
- CN
- China
- Prior art keywords
- hairtail
- line
- weight
- cutting
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明涉及一种带鱼定重智能切段计算计算方法、装置、设备及存储介质。本发明的带鱼定重智能切段计算方法,包括以下步骤:扫描数据读取;数据滤波优化处理;初始化零点;切段加工区域确定;基于点云坐标逐行估算体积;切段点位确定。本发明能提高带鱼切段加工产品附加值,提高成品率,减少浪费。
Description
技术领域
本发明属于水产品加工领域,具体涉及一种带鱼定重智能切段计算方法、装置、设备及存储介质。
背景技术
水产品加工利用是海洋渔业生产活动的延续,是在当前有限的渔业资源条件下产生更大经济价值的关键手段,目前国内水产品加工还是以人工为主,自动化、智能化加工设备应用占比很低。
新一代人工智能技术同样可以应用于水产加工行业,通过智能加工设备取代人工从事水产品解冻、清洗、切割(切片或切块)、裹粉、油炸及分拣包装等工作,不但可以大幅度降低劳动力成本,更可以大幅提升产品质量,减少加工损耗,提高有限水产资源的利用率。
带鱼是水产加工的主要原料之一,带鱼定重切段是水产品精深加工的重要环节,以往依靠大量的熟练工人手工切段,生产效率低,且残次品较多,或依靠自动化定长切段设备,生产效率高,但是能满足重量要求的只有中间几段,定长切段产品市场定价低,无法为带鱼提升可观的附加值。
发明内容
本发明的目的是:设计一种带鱼重定智能切段计算方法,满足工厂大规模带鱼定重连续切段生产的需求,从而降低企业用工成本,提高生产效率,提升带鱼附加值。
本发明解决技术问题采用的技术方案是:
本发明的一方面带鱼定重智能切段计算方法,包括以下步骤:
扫描数据读取;
数据滤波优化处理;
初始化零点;
切段加工区域确定;
基于点云坐标逐行估算体积;
切段点位确定。
其中切段加工区域确定,具体是:
确定合格的带鱼段产品宽度,找到切段加工区域,即B线与C线之间的区域;
以带鱼头端,即A线,向后一定距离,作为第一刀的下刀位置,即B线;
从尾端,即D线到头端一旦有效宽度大于最大宽度的80%,便认为到达了平整部分,即C线。
其中,所述的切段点位确定具体是:
(a)第一刀切割位置位于B线,去除带鱼头部;
(b)向后逐行累加带鱼体积,当体积满足设定值,记录当前行号作为切段位置,开始计算下段切割位置;
(c)如果体积小于设定值,判断当前行号是否已经大于C线,如果大于C线,则结束本条带鱼切段计算;
(d)如果未大于C线,判断当前带鱼段长度是否大于设定值,如果大于设定值,则结束本条带鱼切段计算;
(e)如果未大于段长最大值,重复步骤b。
优选的,所述的扫描数据读取是读取带鱼上表面的三维形貌激光点云数据。
优选的,所述数据滤波优化处理是通过中值滤波算法抑制点云数据噪声,并通过选择9*5滤波窗口减小滤波算法对数据本身的影响;结合带鱼的边缘特征,根据传感器视角投影进行边缘优化,再从点云数据提取带鱼有效区域;
所述边缘优化是计算带鱼点云数据横向扫描数据变化梯度,通过阈值法确定边缘坐标与边缘高度值。
优选的,所述的带鱼有效区域是通过行、列向量遍历得到带鱼边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据。
优选的,所述初始化零点是以可检测的带鱼最前沿作为坐标零点,即A线坐标,作为机械装置以及图像处理系统的共同零点坐标;所述共同零点坐标为带鱼点云图像的横坐标起点位置,该位置在机械结构上通过对射传感器检测获得,机械推进系统以该坐标为零点将带鱼的头部推送到切刀位等待切段。
优选的,所述的基于点云坐标逐行估算体积具体是:对于i行,根据横截面边缘坐标点Xi、Yi构建带鱼横截面中轴线,计算上表面点P(i,j)到中轴线O距离d(i,j),该点对应的体积v(i,j)=2*d(i,j)*x_res*y_res,其中x_res表示点云横向分辨率,y_res表示点云纵向分辨率。
优选的,对B线与C线之间,带鱼可加工区域部分,按照该区域长度,寻找E线,所述E线距离B线为B线与C线间距的20%,对B线与E线之间区域采用15%补偿系数,对于E线与C线之间区域不进行补偿。
本发明的第二方面提供了带鱼定重智能切段计算装置,包括:
数据读取模块,用于扫描数据读取;
数据处理模块,用于数据滤波优化处理;
初始化模块,用于初始化零点;
切断确定模块,用于切段加工区域确定;
体积估算模块,用于基于点云坐标逐行估算体积;
点位确定模块,用于切段点位确定。
本发明的第三方面提供了一种带鱼定重智能切段计算设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述带鱼定重智能切段计算方法。
本发明的第四方面提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行所述的带鱼定重智能切段计算计算方法。
本发明的有益效果是:提供一种带鱼定重智能切段计算计算方法、装置、设备及存储介质,提高带鱼切段加工产品附加值,提高成品率,减少浪费。
附图说明
图1带鱼智能定重切段方法框图;
图2带鱼定重切段加工区域示意图;
图3带鱼横截面体积计算示意图;
图4为带鱼定重智能切段计算装置结构图;
图5为带鱼定重智能切段计算设备结构图。
具体实施方式
如图1所示,本实施例所述的带鱼定重智能切段计算方法,主要先后流程为扫描数据读取、数据滤波优化处理、初始化零点与切段加工区域确定、基于点云坐标逐行估算体积、切段点位确定。
所述的扫描数据读取流程,是读取带鱼上表面的三维形貌激光点云数据。
所述的数据滤波优化处理流程,通过中值滤波算法抑制点云数据噪声,并通过选择9*5滤波窗口减小滤波算法对数据本身的影响,结合带鱼的边缘特征,根据传感器视角投影进行边缘优化,再从点云数据提取带鱼有效区域。
所述边缘优化算法流程,计算带鱼点云数据横向扫描数据变化梯度,通过阈值法确定边缘坐标与边缘高度值。
所述的带鱼有效区域提取流程,是通过行、列向量遍历得到带鱼边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据,提高后续计算速度。
所述的零点初始化流程,是以可检测的带鱼最前沿作为坐标零点,即图2中A线坐标,作为机械装置以及图像处理系统的共同零点坐标。
所述共同零点坐标为带鱼点云图像的横坐标起点位置,该位置在机械结构上通过对射传感器检测获得,机械推进系统以该坐标为零点将带鱼的头部推送到切刀位等待切段。
所述的切段加工区域确定流程,是基于合格的带鱼段产品宽度(不小于带鱼最大宽度的50%,且不含带鱼头),找到切段加工区域,即B线与C线之间的区域。以带鱼头端(A线)向后一定距离(带鱼最大宽度的1.5倍),作为第一刀的下刀位置,即B线。从尾端(D线)到头端一旦有效宽度大于最大宽度的80%,便认为到达了平整部分,即C线。
所述头端为带鱼开始加工的位置,如图2所示A线,所述尾端为带鱼结束的位置,如图2所示D线。
所述基于点云坐标逐行估算体积,如图3所示,对于i行,根据横截面边缘坐标点Xi、Yi构建带鱼横截面中轴线,计算上表面点P(i,j)到中轴线O距离d(i,j),该点对应的体积v(i,j)=2*d(i,j)*x_res*y_res,其中x_res表示点云横向分辨率,y_res表示点云纵向分辨率。该行扫描总体积其中Ji表示第i行的扫描点数。
结合实际加工情况,构建带鱼切段体积补偿模型,修正传感器测量盲区导致的体积误差。如图2所示,对B线与C线之间,带鱼可加工区域部分,按照该区域长度,寻找E线(20%的B线与C线间距),对B线与E线之间区域采用15%补偿系数,对于E线与C线之间区域不进行补偿。
Vi’=0.85Vi (iB<i<iE)
所述的切段点位确定流程为:
(a)第一刀切割位置位于B线,去除带鱼头部。
(b)向后逐行累加带鱼体积,当体积满足设定值,记录当前行号作为切段位置,开始计算下段切割位置。
(c)如果体积小于设定值,判断当前行号是否已经大于C线,如果大于C线,则结束本条带鱼切段计算。
(d)如果未大于C线,判断当前带鱼段长度是否大于设定值,如果大于设定值,则结束本条带鱼切段计算。
(e)如果未大于段长最大值,重复步骤b。
图4是本发明实施例示出的一种带鱼定重智能切段计算装置;该装置包括:
数据读取模块,用于扫描数据读取;
数据处理模块,用于数据滤波优化处理;
初始化模块,用于初始化零点;
切断确定模块,用于切段加工区域确定;
体积估算模块,用于基于点云坐标逐行估算体积;
点位确定模块,用于切段点位确定。
本发明的计算装置的实施例可以应用在网络设备上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的,其中计算机程序用于执行带鱼定重智能切段计算方法。从硬件层面而言,如图5所示,为本发明的带鱼定重智能切段计算设备的硬件结构图,除了图5所示的处理器、网络接口、内存以及非易失性存储器之外,所述设备通常还可以包括其他硬件,以便在硬件层面进行的扩展。另一方面,本申请还提供了一种计算机可读存储介质,存储介质存储有计算机程序,计算机程序执行用于带鱼定重智能切段计算方法。
对于计算装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.带鱼定重智能切段计算方法,其特征在于包括以下步骤:
扫描数据读取;
数据滤波优化处理;
初始化零点;
切段加工区域确定;
基于点云坐标逐行估算体积;
切段点位确定;
其中切段加工区域确定,具体是:
确定合格的带鱼段产品宽度,找到切段加工区域,即B线与C线之间的区域;
以带鱼头端,即A线,向后一定距离,作为第一刀的下刀位置,即B线;
从尾端,即D线到头端一旦有效宽度大于最大宽度的80%,便认为到达了平整部分,即C线;
其中,所述的切段点位确定具体是:
(a)第一刀切割位置位于B线,去除带鱼头部;
(b)向后逐行累加带鱼体积,当体积满足设定值,记录当前行号作为切段位置,开始计算下段切割位置;
(c)如果体积小于设定值,判断当前行号是否已经大于C线,如果大于C线,则结束本条带鱼切段计算;
(d)如果未大于C线,判断当前带鱼段长度是否大于设定值,如果大于设定值,则结束本条带鱼切段计算;
(e)如果未大于段长最大值,重复步骤b。
2.根据权利要求1所述的带鱼定重智能切段计算方法,其特征在于:所述的扫描数据读取是读取带鱼上表面的三维形貌激光点云数据。
3.根据权利要求1所述的带鱼定重智能切段计算方法,其特征在于:所述数据滤波优化处理是通过中值滤波算法抑制点云数据噪声,并通过选择9*5滤波窗口减小滤波算法对数据本身的影响;结合带鱼的边缘特征,根据传感器视角投影进行边缘优化,再从点云数据提取带鱼有效区域;
所述边缘优化是计算带鱼点云数据横向扫描数据变化梯度,通过阈值法确定边缘坐标与边缘高度值。
4.根据权利要求3所述的带鱼定重智能切段计算方法,其特征在于:所述的带鱼有效区域是通过行、列向量遍历得到带鱼边缘所在的行列坐标,并以行列坐标对点云数据进行裁剪,从而缩小矩阵规模,去除大量无效行、列数据。
5.根据权利要求1所述的带鱼定重智能切段计算方法,其特征在于:所述初始化零点是以可检测的带鱼最前沿作为坐标零点,即A线坐标,作为机械装置以及图像处理系统的共同零点坐标;所述共同零点坐标为带鱼点云图像的横坐标起点位置,该位置在机械结构上通过对射传感器检测获得,机械推进系统以该坐标为零点将带鱼的头部推送到切刀位等待切段。
6.根据权利要求1所述的带鱼定重智能切段计算方法,其特征在于:所述的基于点云坐标逐行估算体积具体是:对于i行,根据横截面边缘坐标点Xi、Yi构建带鱼横截面中轴线,计算上表面点P(i,j)到中轴线O距离d(i,j),该点对应的体积v(i,j)=2*d(i,j)*x_res*y_res,其中x_res表示点云横向分辨率,y_res表示点云纵向分辨率。
7.根据权利要求1所述的带鱼定重智能切段计算方法,其特征在于:对B线与C线之间,带鱼可加工区域部分,按照该区域长度,寻找E线,所述E线距离B线为B线与C线间距的20%,对B线与E线之间区域采用15%补偿系数,对于E线与C线之间区域不进行补偿。
8.带鱼定重智能切段计算装置,其特征在于,包括:
数据读取模块,用于扫描数据读取;
数据处理模块,用于数据滤波优化处理;
初始化模块,用于初始化零点;
切断确定模块,用于切段加工区域确定;
体积估算模块,用于基于点云坐标逐行估算体积;
点位确定模块,用于切段点位确定。
9.一种带鱼定重智能切段计算设备,其特征在于,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述权利要求1-7任一所述的带鱼定重智能切段计算方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一所述的带鱼定重智能切段计算计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664420.6A CN114357354B (zh) | 2021-12-31 | 2021-12-31 | 带鱼定重智能切段计算方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111664420.6A CN114357354B (zh) | 2021-12-31 | 2021-12-31 | 带鱼定重智能切段计算方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114357354A true CN114357354A (zh) | 2022-04-15 |
CN114357354B CN114357354B (zh) | 2023-08-25 |
Family
ID=81105699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111664420.6A Active CN114357354B (zh) | 2021-12-31 | 2021-12-31 | 带鱼定重智能切段计算方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114357354B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150216192A1 (en) * | 2012-08-08 | 2015-08-06 | Nordischer Maschinenbau Rud. Baader Gmbh + Co. Kg | Method and device for monitoring a meat processing machine |
CN110271043A (zh) * | 2019-07-15 | 2019-09-24 | 中国计量大学 | 一种基于线激光的水产品切割装置 |
CN111528264A (zh) * | 2020-05-20 | 2020-08-14 | 漳州市东好水产食品有限公司 | 一种水产品的成型切割方法 |
CN111754527A (zh) * | 2020-06-24 | 2020-10-09 | 西藏自治区农牧科学院水产科学研究所 | 一种基于三维扫描模型的鱼类表型自动提取方法 |
WO2021166001A1 (en) * | 2020-02-19 | 2021-08-26 | Velfag Ehf. | Device and method for filleting and pin-bone removal |
CN113551615A (zh) * | 2021-07-05 | 2021-10-26 | 浙江大学舟山海洋研究中心 | 一种用于鱿鱼白片加工的线激光轮廓传感器数据处理装置 |
-
2021
- 2021-12-31 CN CN202111664420.6A patent/CN114357354B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150216192A1 (en) * | 2012-08-08 | 2015-08-06 | Nordischer Maschinenbau Rud. Baader Gmbh + Co. Kg | Method and device for monitoring a meat processing machine |
CN110271043A (zh) * | 2019-07-15 | 2019-09-24 | 中国计量大学 | 一种基于线激光的水产品切割装置 |
WO2021166001A1 (en) * | 2020-02-19 | 2021-08-26 | Velfag Ehf. | Device and method for filleting and pin-bone removal |
CN111528264A (zh) * | 2020-05-20 | 2020-08-14 | 漳州市东好水产食品有限公司 | 一种水产品的成型切割方法 |
CN111754527A (zh) * | 2020-06-24 | 2020-10-09 | 西藏自治区农牧科学院水产科学研究所 | 一种基于三维扫描模型的鱼类表型自动提取方法 |
CN113551615A (zh) * | 2021-07-05 | 2021-10-26 | 浙江大学舟山海洋研究中心 | 一种用于鱿鱼白片加工的线激光轮廓传感器数据处理装置 |
Non-Patent Citations (2)
Title |
---|
徐志鹏 等: "基于线激光的鱿鱼扫描系统与分割算法研究", 《中国计量大学学报》, vol. 31, no. 1, pages 92 - 96 * |
王成: "基于机器视觉的鱼类定制切段方法及设备设计", 《中国优秀硕士学位论文全文数据库工程科技I辑》, pages 1 - 69 * |
Also Published As
Publication number | Publication date |
---|---|
CN114357354B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104679834B (zh) | 一种时序数据清洗方法及系统 | |
Costa et al. | Extracting fish size using dual underwater cameras | |
CN111986115A (zh) | 激光点云噪声和冗余数据的精准剔除方法 | |
CN105096268B (zh) | 一种点云去噪平滑方法 | |
CN111275724A (zh) | 一种基于八叉树和边界优化的机载点云屋顶平面分割方法 | |
CN111047583A (zh) | 一种基于机器视觉的水下网衣系统破损检测方法 | |
CN107123115B (zh) | 一种基于图像处理的谷物收割清选损失实时在线检测方法 | |
CN112699734B (zh) | 门槛检测方法、移动机器人及存储介质 | |
CN103310481A (zh) | 一种基于模糊熵迭代的点云精简方法 | |
CN108961294A (zh) | 一种三维点云的分割方法及装置 | |
CN112200163B (zh) | 水下底栖生物检测方法及系统 | |
CN113177897A (zh) | 一种无序3d点云的快速无损滤波方法 | |
CN114357354A (zh) | 带鱼定重智能切段计算方法、装置、设备及存储介质 | |
CN108629315B (zh) | 一种针对三维点云的多平面识别方法 | |
CN114372227B (zh) | 鱿鱼白片智能切割计算方法、装置、设备及存储介质 | |
CN113406658A (zh) | 一种基于点线特征扫描匹配的移动机器人定位方法 | |
CN102314687B (zh) | 一种红外序列图像中的小目标检测方法 | |
JP5078669B2 (ja) | 目標検出装置、目標検出方法及び目標検出プログラム | |
CN111008429A (zh) | 一种基于点云的异构cad几何一致性对比方法 | |
CN111723737B (zh) | 一种基于多尺度匹配策略深度特征学习的目标检测方法 | |
CN115205303A (zh) | 一种猪胴体切块机器人分割面自主生成方法 | |
CN102779339A (zh) | 一种图像处理方法及系统 | |
CN113567968A (zh) | 一种基于浅水多波束水深数据的水下目标实时分割方法及应用 | |
CN118377031B (zh) | 一种浅海水下激光雷达数据去噪方法及系统、存储介质 | |
JP5675273B2 (ja) | 目標検出装置および目標検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |